脑 MRI 中深度学习模型的开发与部署：综述
图像与视频处理
2023-01-04 v1 神经元与认知
摘要
脑磁共振成像(MRI)得益于深度学习(DL)以减轻放射科医生和 MR 技术人员的负担，并提高吞吐量。DL 工具的易获取性导致了 DL 模型及后续同行评审出版物的快速增长。然而，其在临床环境中的部署率较低。因此，本综述试图基于认证机构所倡导的指南和原则，将数据收集到临床部署的想法整合在一起。我们介绍了 DL 提供可及性 MRI 的需求与作用。随后简要回顾了在神经病理背景下的 DL 示例。基于这些及其他研究，我们整理了开发和部署脑 MRI 的 DL 模型的先决条件。接着我们深入探讨在神经影像背景下践行良好机器学习实践的指导原则，重点关注可解释性。基于 FDA 良好机器学习实践的一份检查清单作为这些指南的总结被提供。最后，我们回顾了脑 MRI 中 DL 当前的挑战与未来的机遇。
引用
@article{arxiv.2301.01241,
title = {Developing and deploying deep learning models in brain MRI: a review},
author = {Kunal Aggarwal and Marina Manso Jimeno and Keerthi Sravan Ravi and Gilberto Gonzalez and Sairam Geethanath},
journal= {arXiv preprint arXiv:2301.01241},
year = {2023}
}
备注
4 figures and 1 table